21世紀(jì)經(jīng)濟(jì)報道記者孔海麗北京報道

硅谷巨頭的AI競賽愈發(fā)激烈，你來我往，全速出擊。

北京時間10月4日，OpenAI和Meta同時亮出了自己的新武器。

Meta公布了名為 Movie Gen 的全新 AI 模型。它是由視頻生成（Movie Gen Video）和音頻生成（Movie Gen Audio）兩個模型組成，可無縫生產(chǎn)出完整的多媒體內(nèi)容，實現(xiàn)從圖像、視覺到聽覺的全方位覆蓋。Meta稱，這是“迄今最先進(jìn)的媒體基礎(chǔ)模型”。

OpenAI則重磅推出交互界面canvas，并稱“這是一種使用 ChatGPT 寫作和編程的新方式”，也是ChatGPT發(fā)布以來的重大視覺界面升級。用戶可以與ChatGPT 一起協(xié)作完成寫作和編碼項目，整個過程可考、可視，而不再局限于簡單的聊天。

可以預(yù)見的是，在未來一段時間里，科技巨頭將會不斷推陳出新，既包括有革命性意義的新產(chǎn)品、新技術(shù)，也有不斷掀起小高潮的持續(xù)性上新。

不確定這場AI競賽何時見分曉，但可以確定的是，巨頭們高居塔尖的算力資源和不斷延展的業(yè)務(wù)邊界，會導(dǎo)致AI創(chuàng)企的生存空間越來越小。

“馬太效應(yīng)”，正在新興的AI領(lǐng)域里逐漸清晰。

Meta版Sora上線

有人將Movie Gen稱之為“Meta版Sora”，其實這并不準(zhǔn)準(zhǔn)，更應(yīng)該說“青出于藍(lán)而勝于藍(lán)”，除了Sora具備的視頻生成功能，Movie Gen還可以為視頻生成配套的背景音樂和音效，并根據(jù)指令編輯視頻，直接一步到位。

具體來看，Movie Gen Video是一個30B參數(shù)的Transformer模型，可以從單個文本提示生成16秒、每秒16幀的高清視頻。同時發(fā)布的Movie Gen Audio接受視頻輸入以及可選的文本提示，生成與視頻同步的高保真音頻。

剛剛憑借“地表最強”全息AR眼鏡站上熱搜的扎克伯格，在社交平臺為Movie Gen站臺，將自己的靜態(tài)照片轉(zhuǎn)化為形式多樣的動態(tài)健身視頻，場景不乏幽默和科幻。

Meta放出來的其他示例視頻，展示了Movie Gen生成物體運動軌跡、保持主體物理運動規(guī)律、背景統(tǒng)一、栩栩如生的效果。

作為一體化的 AI 媒體工具，Movie Gen還具備視頻編輯功能，它可以執(zhí)行添加、刪除或替換元素，背景替換、樣式更改等全局修改。

有海外網(wǎng)友感慨說：“隨著大量創(chuàng)作者學(xué)會使用AI視頻編輯工具，很難想象幾年后TikTok(短視頻代表)和YouTube（長視頻代表）會變成什么樣?！?/p>

與Sora的推出節(jié)奏相似，Movie Gen也還需要一段時間才能面向公眾開放，但不同于OpenAI常被調(diào)侃的“close”，Meta爽快公布了一篇長達(dá)92頁的論文，介紹了其在架構(gòu)、訓(xùn)練方法、數(shù)據(jù)管理、評估、并行訓(xùn)練和推理優(yōu)化以及音頻模型的信息。

據(jù)Meta介紹，視頻生成模型在 1 億個視頻和 10 億張圖像上進(jìn)行了預(yù)訓(xùn)練，而音頻生成模型則使用了約 100 萬小時的音頻數(shù)據(jù)。

此外，Meta還開源了多個基準(zhǔn)測試數(shù)據(jù)集，包括Movie Gen Video Bench、Movie Gen Edit Bench和Movie Gen Audio Bench，為后續(xù)研究者提供了權(quán)威的評測工具。

Movie Gen在OpenAI 今年2月展示的文生視頻Sora基礎(chǔ)上，朝著AI視頻編輯方向推進(jìn)了一大步。先行一步的Sora至今仍未正式開放，不過，Sora能夠生成單次時長一分鐘的視頻，而Movie Gen 目前只有16秒。

文生視頻的時長延展進(jìn)化很快。中國快手的可靈大模型，幾個月時間不斷迭代，單次文生視頻從5秒到10秒，如今使用該工具進(jìn)行文生視頻以及圖生視頻，可支持生成長達(dá)3分鐘、1080p分辨率的高清視頻。

萬億OpenAI新動作不斷

Meta向OpenAI開了一槍，但后者并沒閑著。

此前的9月13日，OpenAI正式發(fā)布新的通用語言大模型o1，基于慢思考，在推理能力上完勝人類博士，并在數(shù)學(xué)、物理、化學(xué)、生物學(xué)等領(lǐng)域表現(xiàn)極為優(yōu)異。

其文本編輯系統(tǒng)也在進(jìn)化。同在Movie Gen面世的10月4日，OpenAI宣布推出一個名為canvas的視覺產(chǎn)品，它實際上是一種新的人機交互界面。

canvas是一個內(nèi)置于ChatGPT的文檔和代碼編輯器。用戶不必再在ChatGPT和文檔編輯器之間來回切換，寫文檔時它會自動彈出，可直接在ChatGPT中編輯任何文檔或代碼，在一個界面內(nèi)完成從構(gòu)思到成文的全過程，實現(xiàn)與AI的無縫協(xié)作，從而大大提升工作效率。

有業(yè)內(nèi)人士評論說，OpenAI借由canvas暗示，ChatGPT不僅僅是一個聊天機器人，而是要打造AI時代的操作系統(tǒng)。這暴露了其CEO薩姆·奧特曼（Sam Altman）的非凡野心。不過，canvas下周才會向Enterprise 和 Edu 用戶推出，Plus用戶則可以直接調(diào)用。

此前一天，當(dāng)?shù)貢r間10月2日，OpenAI宣布完成新一輪66億美元融資，投后估值達(dá)到1570億美元（約合人民幣1.1萬億元）。這標(biāo)志著OpenAI從“明星獨角獸”公司過渡到了不折不扣的人工智能巨頭。

本輪融資由風(fēng)投巨頭Thrive Capital領(lǐng)投13億美元，微軟跟投7.5億美元，軟銀集團(tuán)、英偉達(dá)分別投資了5億美元和1億美元，蘋果在最后時刻決定退出。此外，OpenAI還獲得了40億美元的新循環(huán)信用額度。據(jù)介紹，ChatGPT每周用戶數(shù)已超2.5億人，預(yù)計今年收入將達(dá)到37億美元。

據(jù)悉，OpenAI本輪融資資金以可轉(zhuǎn)換票據(jù)的形式提供，但如果它未能在兩年內(nèi)完成公司結(jié)構(gòu)的重組（即公司架構(gòu)由非營利型公司向營利型公司轉(zhuǎn)變），本輪融資的投資者將有權(quán)要求退回投資。

值得注意的是，OpenAI也被曝出要求參與融資的投資者“二選一”，即不得支持其競爭對手的初創(chuàng)公司，包括OpenAI前員工們創(chuàng)立的AI初創(chuàng)公司Anthropic，埃隆·馬斯克（Elon Musk）創(chuàng)立的xAI，OpenAI聯(lián)合創(chuàng)始人、前首席科學(xué)家伊爾亞·蘇茨克維（Ilya Sutskever）成立的新公司SSI（safe superintelligence，安全超級智能）等。消息傳出，馬斯克在社交媒體再次向奧特曼開懟。

伴隨OpenAI公司性質(zhì)轉(zhuǎn)變和發(fā)展方向的分歧，是公司高管持續(xù)的大動蕩。

一周前的9月26日，OpenAI CTO（首席技術(shù)官）米拉·穆拉蒂（Mira Murati）、首席研究官鮑勃·麥格（BobMcGrew）、研究副總裁巴雷特·佐夫（Barret Zoph）同時宣布離職。幾天后的10月2日，OpenAI 聯(lián)合創(chuàng)始人杜爾克·金馬（Diederik Kingma）宣布加入Anthropic。而公司總裁格雷戈里·布羅克曼（Greg Brockman）仍在長期休假中。OpenAI最初的11名創(chuàng)始成員中，除了宮斗回歸的奧特曼，就只剩下語言和代碼生成團(tuán)隊負(fù)責(zé)人沃伊切赫·扎倫巴（Wojciech Zaremba）。

似乎“多事之秋”不足以概括OpenAI的動蕩程度，一邊“著火”一邊“極速前行”，才是OpenAI的常態(tài)。